基于Python知识图谱的美食问答系统：从源码到实战的完整指南

简介这份资源是面向高校学生、教师及科研人员的高分期末大作业级美食问答系统源码基于Python与知识图谱技术实现适合作为课程设计、毕业设计或自学练手项目也支持在此基础上二次开发。压缩包共18个文件约162KB包含6个py核心脚本、7个txt词表数据、2个json图谱数据以及md说明、ico图标和jpg配图覆盖问答解析、图谱构建与界面展示等模块。项目围绕美食领域展开内置菜品、食材、口味、菜系、餐厅、厨师等多类实体词表通过问题分类、问句解析与答案检索完成智能问答并配有可视化界面。目前已有163人学习下载可作为知识图谱入门与问答系统实战的参考案例。读者可从中获取完整可运行源码、图谱构建思路、问答流程拆解及数据组织方式便于快速理解项目结构并迁移到其他垂直领域。1. 美食问答系统从一份期末大作业源码看知识图谱怎么落地拿到「美食问答系统-基于python知识图谱的美食问答系统源码」这个题目时很多人第一反应是把它当成一份交完就删的课程作业。但如果你正在做毕业设计、准备面试项目或者想找一个能跑通的知识图谱入门案例这套东西的价值远不止「高分」两个字。它本质上是一个垂直领域的 KBQAKnowledge Base Question Answering最小闭环把菜系、食材、口味、烹饪方式这些美食实体抽出来建成图数据库再让用户用自然语言提问系统解析意图后去图里查答案。适合谁适合已经会写 Python、但没真正搭过知识图谱的开发者也适合想用「python 知识图谱 问答」三个关键词撑起简历项目的同学。下面我按自己复现这类系统的顺序把选型、构建、问答、避坑一条线讲清楚。2. 知识图谱美食问答系统的技术选型为什么是 Neo4j 加 jieba 而不是纯 MySQL2.1 关系型数据库做美食问答的三个硬伤用 MySQL 存「宫保鸡丁属于川菜、用鸡胸肉和花生、口味微辣」这类信息表结构会迅速膨胀。一道菜对应多个食材一个食材又出现在多道菜里这是典型的多对多关系靠中间表 JOIN 能查但一旦用户问「川菜里用到花椒的菜有哪些」SQL 就要嵌套三层以上可读性和扩展性都很差。更麻烦的是推理用户问「和麻婆豆腐口味相似的菜」关系型数据库没有天然的路径查询能力你得自己写递归逻辑。知识图谱的核心优势就在这里——实体是节点关系是边多跳查询就是图遍历天然贴合美食领域「菜—食材—菜系—口味」这种网状结构。2.2 Neo4j 与 Python 驱动的组合逻辑选 Neo4j 不是因为它名气大而是它的 Cypher 查询语言对「路径」的表达最直观。Python 侧用官方驱动neo4j连接配合jieba做中文分词、py2neo或原生 driver 执行查询。整个链路的逻辑是用户输入问题 → jieba 分词并匹配实体词典 → 识别问句模板比如「X的食材是什么」→ 转成 Cypher → 查图 → 组装自然语言答案。这套组合的好处是每一层都能单独替换比如分词换成 HanLP、图库换成 Nebula不影响整体架构。2.3 环境搭建的最小命令集先确认 Python 版本建议 3.8 以上然后装依赖。Neo4j 用 Desktop 版或社区版都行本地起一个实例默认端口 7687。# 创建虚拟环境避免污染全局 python -m venv foodkg source foodkg/bin/activate # Windows 用 foodkg\Scripts\activate # 安装核心依赖 pip install neo4j jieba pandas装完后验证驱动能连上from neo4j import GraphDatabase # 本地 Neo4j 默认地址密码是你首次启动时设的 driver GraphDatabase.driver(bolt://localhost:7687, auth(neo4j, 你的密码)) def test_conn(tx): result tx.run(RETURN connected AS msg) return result.single()[msg] with driver.session() as session: print(session.execute_read(test_conn)) # 输出 connected 说明通了参数说明bolt://是 Neo4j 的二进制协议比 HTTP 快auth第一个参数是用户名社区版固定 neo4j第二个是你自己设的密码忘了就得改配置重启。这一步翻车的常见原因是端口被占或密码没改报AuthError就去 Neo4j Browser 里重置。3. 美食知识图谱构建从 CSV 到 Neo4j 的实体关系入库3.1 实体与关系的 schema 设计动手写代码前先把 schema 定死不然后面改起来是血泪经验。美食领域我一般抽五类节点Dish菜品、Ingredient食材、Cuisine菜系、Flavor口味、CookingMethod烹饪方式。关系对应Dish-[:BELONGS_TO]-Cuisine、Dish-[:CONTAINS]-Ingredient、Dish-[:HAS_FLAVOR]-Flavor、Dish-[:COOKED_BY]-CookingMethod。节点属性至少留一个name菜品再加description。这个 schema 决定了后面能回答哪些问题比如没有CookingMethod节点用户问「清蒸的菜有哪些」就答不了。3.2 用 pandas 读数据并批量写入假设你有一份dishes.csv字段是菜品、菜系、食材分号分隔、口味、烹饪方式。批量写入比逐条 CREATE 快一个数量级。import pandas as pd from neo4j import GraphDatabase driver GraphDatabase.driver(bolt://localhost:7687, auth(neo4j, 你的密码)) df pd.read_csv(dishes.csv) def create_dish(tx, name, cuisine, ingredients, flavor, method): # MERGE 保证节点不重复SET 更新属性 tx.run( MERGE (d:Dish {name: $name}) SET d.description $name 是一道美食 MERGE (c:Cuisine {name: $cuisine}) MERGE (d)-[:BELONGS_TO]-(c) MERGE (f:Flavor {name: $flavor}) MERGE (d)-[:HAS_FLAVOR]-(f) MERGE (m:CookingMethod {name: $method}) MERGE (d)-[:COOKED_BY]-(m) WITH d UNWIND $ingredients AS ing_name MERGE (i:Ingredient {name: ing_name}) MERGE (d)-[:CONTAINS]-(i) , namename, cuisinecuisine, ingredientsingredients.split(;), flavorflavor, methodmethod) with driver.session() as session: for _, row in df.iterrows(): session.execute_write(create_dish, row[菜品], row[菜系], row[食材], row[口味], row[烹饪方式])逻辑说明MERGE是「有则匹配、无则创建」避免同一食材被建成多个节点UNWIND把食材列表展开成多行一次性建好所有CONTAINS关系。参数上ingredients.split(;)要求 CSV 里食材用分号隔开如果你用逗号pandas 读进来会串列这是新手最常踩的坑。写完跑一句统计验证with driver.session() as session: count session.run(MATCH (d:Dish) RETURN count(d) AS c).single()[c] print(f共导入 {count} 道菜)3.3 建索引让查询不卡数据量上千后不建索引的MATCH (d:Dish {name: 宫保鸡丁})会全图扫描。给常用查询字段加索引with driver.session() as session: session.run(CREATE INDEX dish_name IF NOT EXISTS FOR (d:Dish) ON (d.name)) session.run(CREATE INDEX ing_name IF NOT EXISTS FOR (i:Ingredient) ON (i.name))IF NOT EXISTS保证重复执行不报错。索引建在name上是因为问答时实体匹配几乎都靠名字。注意 Neo4j 5.x 的索引语法和 4.x 不同4.x 用CREATE INDEX ON :Dish(name)版本不对会直接语法错误先CALL dbms.components()看版本。4. 问答模块实现jieba 分词加模板匹配怎么把问句变成 Cypher4.1 问句意图识别的两条路线一条是模板匹配一条是模型分类。期末作业级别、数据量几百条的场景模板匹配足够且可控。做法是先把用户问题用 jieba 切词再拿词去实体词典里比对命中菜品名就锁定查询主体命中「食材」「做法」「口味」这类关键词就锁定查询意图。比如「宫保鸡丁用什么做的」切出「宫保鸡丁」「用」「什么」「做」匹配到菜品实体和「食材」意图就生成查CONTAINS关系的 Cypher。模型路线要标注数据、训练分类器投入产出比在这个规模下不划算除非你要冲更高级的课设。4.2 实体词典与意图模板的代码实现import jieba from neo4j import GraphDatabase driver GraphDatabase.driver(bolt://localhost:7687, auth(neo4j, 你的密码)) # 从图库拉出所有菜品名构建实体词典 with driver.session() as session: dishes [r[name] for r in session.run(MATCH (d:Dish) RETURN d.name AS name)] for d in dishes: jieba.add_word(d) # 把菜品名加进分词词典避免被切碎 # 意图模板关键词 - Cypher 模板 INTENT_MAP { 食材: MATCH (d:Dish {name: $name})-[:CONTAINS]-(i:Ingredient) RETURN i.name AS ans, 口味: MATCH (d:Dish {name: $name})-[:HAS_FLAVOR]-(f:Flavor) RETURN f.name AS ans, 菜系: MATCH (d:Dish {name: $name})-[:BELONGS_TO]-(c:Cuisine) RETURN c.name AS ans, 做法: MATCH (d:Dish {name: $name})-[:COOKED_BY]-(m:CookingMethod) RETURN m.name AS ans, } def answer(question): words list(jieba.cut(question)) dish next((w for w in words if w in dishes), None) intent next((k for k in INTENT_MAP if k in question), None) if not dish or not intent: return 没听懂换个问法试试 with driver.session() as session: records session.run(INTENT_MAP[intent], namedish) vals [r[ans] for r in records] return f{dish}的{intent}是 、.join(vals) if vals else 图里没这条数据 print(answer(宫保鸡丁的食材是什么))逻辑说明jieba.add_word是关键一步不加的话「宫保鸡丁」可能被切成「宫保」「鸡丁」实体就匹配不上。INTENT_MAP用字典把意图和 Cypher 绑定扩展新意图只需加一行。参数$name是 Neo4j 的参数化查询防止注入别用字符串拼接。返回结果用、连接因为一道菜的食材是多个值。4.3 多跳问题的处理边界模板匹配能覆盖单跳查询但「川菜里用到花椒的菜有哪些」这种要先查菜系再筛食材的两跳问题模板就得单独写。常见做法是给这类问题建复合模板Cypher 写成MATCH (c:Cuisine {name:$cuisine})-[:BELONGS_TO]-(d:Dish)-[:CONTAINS]-(i:Ingredient {name:$ing}) RETURN d.name。边界在于模板越多维护成本越高超过二十个模板就该考虑上意图分类模型了。这个判断线是我做了几个类似项目后总结的不是拍脑袋。5. 避坑与排查美食问答系统复现时最容易翻车的五件事5.1 中文分词把菜名切碎导致实体匹配失败现象问「麻婆豆腐什么口味」系统答「没听懂」。原因jieba 默认词典没有「麻婆豆腐」切成「麻婆」「豆腐」实体词典里两个词都匹配不上。解决启动时把所有菜品名jieba.add_word加进自定义词典或者用jieba.load_userdict(dishes.txt)批量加载每行一个菜名。5.2 Neo4j 密码或端口不对报 AuthError现象一运行就抛neo4j.exceptions.AuthError。原因要么密码不是默认的 neo4j要么 7687 端口被别的进程占了。解决先去 Neo4j Browser7474 端口确认能登录改过密码就用新密码端口冲突就改neo4j.conf里的dbms.connector.bolt.listen_address同时改 Python 里的连接串。5.3 MERGE 写成 CREATE 导致节点重复现象查「鸡肉」相关菜品结果里同一道菜出现好几次。原因写入时用了CREATE而不是MERGE每次导入都新建节点图里全是重复。解决所有节点创建统一用MERGE写完跑MATCH (i:Ingredient {name:鸡肉}) RETURN count(i)检查大于 1 就是重复了清库重导。5.4 CSV 编码问题让 pandas 读出乱码现象导入后菜品名全是问号或方块。原因CSV 存成了 GBKpandas 默认按 UTF-8 读。解决pd.read_csv(dishes.csv, encodinggbk)或者用编辑器把文件转成 UTF-8。这个坑在 Windows 上尤其常见Excel 另存为 CSV 默认就是 GBK。5.5 意图关键词和实体名撞车现象问「川菜的口味」系统把「川菜」当菜品去查HAS_FLAVOR返回空。原因「川菜」是菜系实体但模板里「口味」意图只认菜品。解决实体匹配时区分节点类型先判断命中的词属于 Dish 还是 Cuisine再选对应模板。简单做法是维护两个词典匹配时按优先级判断。6. 把问答准确率提上去三个我实际用过的调优技巧第一个技巧是给实体匹配加同义词表。用户不会总说标准菜名「宫保鸡丁」可能被说成「宫爆鸡丁」「西红柿」和「番茄」混用。做法是建一个synonym.csv两列「别名、标准名」启动时读进来匹配前先做一次替换。这一步能把实体命中率拉高不少成本却很低。synonym dict(pd.read_csv(synonym.csv).values) def normalize(word): return synonym.get(word, word)第二个技巧是给答案加置信度提示。模板匹配难免误判与其硬答不如在结果为空或匹配到多个实体时返回「你是想问 A 还是 B」。实现上就是在实体匹配阶段收集所有候选超过一个就反问。这比强行给个错答案体验好得多。第三个技巧是定期用真实问句回归测试。我会攒一个test_questions.txt每行一个问题加期望答案改完代码跑一遍对比。下面这个脚本能直接算准确率correct 0 with open(test_questions.txt, encodingutf-8) as f: for line in f: q, expected line.strip().split(||) if expected in answer(q): correct 1 print(f准确率{correct} / 总条数)这套回归测试是我踩过「改一处崩三处」的坑之后养成的习惯没有它每次调模板都像开盲盒。知识图谱问答系统看着简单真正决定好不好用的就是这些边角功夫。希望帮到你。本文还有配套的精品资源点击获取